计算机工程与应用 ›› 2019, Vol. 55 ›› Issue (11): 187-191.DOI: 10.3778/j.issn.1002-8331.1803-0117
魏 迪,刘德山,闫德勤,张 悦
WEI Di, LIU Deshan, YAN Deqin, ZHANG Yue
摘要: 极限学习机广泛应用于人脸识别领域。传统的极限学习机算法因在少量标签样本上进行训练,容易发生学习过程不充分问题,同时在学习过程中往往忽略了样本内在的几何结构,影响其对人脸识别的分类能力。受流形学习思想的启发,提出一种邻域保持极限学习机算法。该算法保持数据最本质的结构和同类数据的判别信息,利用最小化类内散度矩阵来提高极限学习机整体的分类性能。通过人脸数据集上的多次实验结果表明,该算法的人脸识别准确率高于其他算法,更能有效地进行分类识别。